Makalah Statistika Bisnis.docx

MAKALAH STATISTIKA BISNIS

Disusun Oleh :   

Nama : Lily Angellina NIM : E010318014 Kelas : 2A Administrasi Bisnis

Dosen Pengajar Hikmayanti Huwaeda, S.Si, M.Pd

KEMENTRIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI POLITEKNIK NEGERI BANJARMASIN JURUSAN ADMINISTRASI BISNIS PRODI ADMINISTRASI BISNIS 2019

KATA PENGANTAR

Puji syukur kita panjatkan atas kehadirat Allah SWT karena berkat rahmat dan hidayah-Nya, Saya dapat menyelesaikan makalah ini dengan baik. Makalah ini saya buat guna membantu nilai mata kuliah Statistik Bisnis semester 2. Dalam penyusunan makalah ini tak sedikit hambatan yang saya alami.

Saya pun menyadari bahwa makalah ini tentu masih ada kekurangan, baik pada teknis maupun materi, maka dari itu saya membutuhkan kritik dan saran demi kesempurnaan makalah yang saya buat.

Saya berharap makalah ini akan bermanfaat utuk saya dan pembacanya sekalian agar daapat menjadi acuan dan pembelajaran.

Banjarmasin, 22 Maret 2019

Lily Angellina

DAFTAR ISI

BAB

I

PENDAHULUAN………………………………………………………… 1.1 Latar Belakang………………………………………………………….

BAB

II

PEMBAHASAN………………………………………………………….. 1.

Syarat Data Yang Baik

2.

Pembagian Data

3.

Tata Cara Pengambilan Sample

4.

Penjelasan Tentang Ciri – Ciri Berdasarkan Urutan, Jarak, dan Asal Mula Untuk Menghasilkan Pengelompokkan Skala Ukuran

DAFTAR PUSTAKA

BAB I PENDAHULUAN 1.1 Latar Belakang Statistik didefinisikan sebagai fakta-fakta berbentuk angka yang terangkumdalam tabeltabel atau kumpulan angka pada tabel yang menerangkan suatufenomena.Statistika adalah ilmu yang mempelajari bagaimana merencanakan,mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Atau statistikaadalah ilmu yang berusaha untuk mencoba mengolah data untuk mendapatkanmanfaat berupa keputusan dalam kehidupan. Dalam sebuah penelitian, terutama penelitian kuantitatif dapat dilakukananalisis data dengan bantuan statistik. Secara umum semua statistik parameterik berfungsi untuk menggeneralisasi hasil penelitian, yaitu pemberlakuanhasil penelitian dalam populasi dengan menggunakan data sampel yang harusmemenuhi asumsi-asumsi. Asumsi tersebut meliputi data sampel diambil secaraacak dari populasi dan data terdistribusi normal. Sedangkan asumsiasumsilainnyamenyesuaikan dengan teknik analisis data yang digunakan. Untuk analisis perbedaan seperti uji t, maka asumsi-asumsi yang harusdipenuhi adalah data dari kedua kelompok sampel diambil secara acak dari populasi, data yang dianalisis bersifat independen satu samalain, data darikedua kelompok sampel terdistribusi normal, serta varians dari populasi adalah homogen.

BAB II PEMBAHASAN A. Syarat Data Yang Baik Data merupakan dasar yang penting dalam membuat perencanaan dan keputusan, seperti rencana pembangunan. Data yang salah akan menyebabkan kesalahan dalam membuat kebijakan yang tidak tepat guna dan keputusan yang salah. Untuk itu, dalam mengambil keputusan, kita harus menggunakan data yang baik. Adapun syarat data yang baik yaitu :

1. Objektif, yang berarti bahwa data yang ditampilkan harus sesuai dengan keadaan yang sebenarnya. Misalnya, jumlah penduduk miskin di suatu kota sebanyak 1 juta jiwa, maka yang harus dilaporkan harus dengan jumlah 1 juta, jika kurang atau lebih maka akan berimbas pada pengambilan kebijakan yang salah untuk penduduk miskin seperti raskin dan BLT. 2. Representatif, yang berarti bahwa data yang tersedia harus mewakili objek yang diamati. Misalnya, data tentang harga barang yang diambil tidak hanya dari pasar tradisional tetapi juga pasar modern, data tentang konsumsi beras tidak hanya diambil di daerah perkotaan saja tetapi juga di daerah pedesaan. 3. Kesalahan baku (standard error) kecil. Data yang diperoleh dari hasil survey biasanya memiliki kesalahan baku, baik yang diperoleh dari sampling error maupun non sampling error. Namun hasil estimasi yang diperoleh diharapkan mendekati parameter atau nilai dari populasinya. Agar mendekati nilai parameternya maka kesalahan baku harus sekecil mungkin agar keputusan yang diambil tepat sasaran. 4. Tepat waktu. Terkadang kita membutuhkan data yang paling up to date untuk mengambil suatu keputusan. Misalnya, pemerintah tahun ini (2014) ingin melakukan perbaikan bangunan SD yang rusak, maka data yang diperlukan adalah data jumlah bangunan SD yang rusak yang terkini (tahun 2014 atau 2013), bukan data jumlah bangunan SD yang rusak tahun 2010, karena pemerintah ingin melihat gambaran terakhir jumlah bangunan SD yang rusak. 5. Relevan, yang berarti bahwa data yang dikumpulkan harus relevan dengan masalah yang akan dipecahkan. Misalnya, kebijakan pemerintah dalam impor sapi, maka data yang dibutuhkan adalah produksi daging sapi di Indonesia atau data jumlah sapi tahun berjalan.

B. Pembagian Data Data merupakan kumpulan kejadian dari sebuah fakta yang terjadi. Data masih membutuhkan proses pengolahan untuk dapat dijadikan informasi. Data dapat dibagi menjadi beberapa jenis. Berikut saya akan menjelaskan pembagian/pengelompokan data.

1.

Data menurut sifatnya. Menurut sifatnya data dibedakan menjadi data kualitatif dan data kuantitatif. Data kualitatif merupakan data yang tidak berbentuk angka, misalnya jenis kelamin dan warna. Sedangkan data kuantitatif adalah data yang berbentuk angka seperti tinggi badan, jumlah penduduk, dan panjang meja.Data menurut sumbernya.

2.

Menurut sumbernya, data dibedakan menjadi data internal dan data eksternal. Data internal merupakan data yang berasal dari keadaan atau kegiatan suatu kelompok atau organisasi. Misalnya, data pengeluaran dan pembelian dari suatu perusahaan. Sedangkan data eksternal merupakan data yang bersumber dari luar suatu kelompok atau organissi. Misalnya, agen produk susu bayi meminta data persebaran penduduk usia 0-4 tahun untuk memasarkan produknya.

3.

Data menurut cara mempeolehnya. Menurut cara memperolehnya, data dibedakan atas data primer dan data sekunder. Data primer adalah data yang dikumpulkan sendiri oleh

perorangan atau kelompok yang merupakan hasil pengamatan langsung terhadap suatu objek. Misalnya data hasil sensus penduduk oleh BPS yang dilakukan melalui wawancara langsung. Sedangkan data sekunder adalah data yang diperoleh dalam bentuk jadi dan telah diolah oleh pihak lain. Misalnya seorang mahasiswi kebidanan mencari data jumlah wanita di suatu daerah ke BPS untuk keperluan tugas akhir. 4.

Data menurut waktu pengumpulannya. Menurut waktu pengumpulannya, data dibedakan atas data cross section, data time series, dan data panel. Data cross section adalah data yang dikumpulkan dalam satu periode tertentu untuk menggambarkan keadaan objek pada periode tersebut. Misalnya data jumlah pengrajin industry keramik menurut omset yang dihasilkan, jenis kelamin, dan ukuran perusahaan. Data time series adalah data yang dikumpulkan dari waktu ke waktu. Misalnya data pergerakan nilai IHSG dari tahun 2000-2010 dan data harga beras mingguan selama tahun 2013. Sedangkan data panel adalah gabungan dari data cross section dan data panel. Misalnya, data perusahaan operator seluler di Indonesia menurut jumlah pelanggan dan omset tahun 2000-2014.

C. Tata Cara Pengambilan Sample Sampel adalah bagian dari kualitas dan karakteristik yang dimiliki populasi. Sampel yang diambil harus benar-benar representatif karena kasimpulan yang diambil dari sampel tersebut akan diberlakukan untuk populasi. Dalam pengambilan sampel, terdapat beberapa teknik yang dapat digunakan. Teknikteknik pengambilan sampel tersebut dikelompokkan menjadi probability sampling dan non-probability sampling. Probability sampling yaitu teknik pengambilan sampel yang memberi kesempatan sama kepada semua anggota populasi untuk dipilih menjadi sampel. Teknik probability sampling terdiri dari simple random, proportionate stratified random sampling, disproportionate stratified random sampling, dan cluster sampling. 1. Simple random yaitu teknik pengambilan anggota sampel secara acak dari populasi tanpa memperhatikan strata dalam populasi tersebut. Teknik ini dilakukan apabila anggota/unsur populasi homogen. 2. Proportionate stratified random sampling yaitu teknik yang digunakan bila anggota/unsur populasi tidak homogen dan berstrata secara proporsional.

3. Disproportionate stratified random sampling yaitu teknik yang digunakan untuk menentukan jumlah sampel bila populasi berstrata namun kurang proporsional. 4. Cluster sampling yaitu teknik pengambilan sampel yang digunakan apabila obyek yang akan diteliti atau sumber data sangat luas. Sedangkan teknik non-probability sampling terdiri atas sampling sistematis, sampling kuota, sampling incidental, porposive sampling, sampling jenuh, serta snowball sampling. 1) Sampling sistematis adalah teknik pengambilan sampel berdasarkan urutan anggota populasi yang telah diberi nomor urut. 2) Sampling kuota adalah teknik pengambilan sampel yang memiliki ciri-ciri tertentu sampai terpenuhinya kuota yang diinginkan. 3) Sampling incidental adalah teknik pengambilan sampel secara kebetulan. Maksudnya, peneliti mengambil sampel yang secara kebetulan ditemuinya yang dipandang cocok menjadi sumber data dalam penelitian yang akan dilakukan. 4) Porposive sampling merupakan teknik pengambilan sampel berdasarkan pertimbangan tertentu. 5) Sampling jenuh merupakan teknik penentuan sampel bila semua anggota populasi dijadikan sebagai sampel. Teknik ini dilakukan apabila populasi memiliki anggota yang relatif kecil atau bila peneliti tersebut ingin membuat generalisasi dengan kesalahan yang sangat kecil. 6) Snowball sampling adalah teknik pengambilan sampel dari sampel yang jumlahnya kecil kemudian membesar, seperti halnya bola salju. Jumlah anggota sampel yang paling tepat digunakan dalam penelitian tergantung pada tingkat ketelitian atau kesalahan yang dikehendaki. Makin besar tingkat kesalahan, maka semakin besar sampel yang dibutuhkan.

D. Penjelasan Tentang Ciri – Ciri Berdasarkan Urutan, Jarak, dan Asal Mula Untuk Menghasilkan Pengelompokkan Skala Ukuran Dalam suatu pengukuran akan dibentuk suatu skala dan kemudian ditransfer pengamatan terhadap cirri-ciri kepada skala tersebut. Pengelompokan skala memakai sistem bilangan nyata/dasar yang paling umum yang digunakan untuk membuat skala mempunyai tiga cirri sebagai berikut (Coopr dan Earning) 1) Bilangannya berurutan. Satu bilangan adalah lebih besar dari pada, lebih kecil dari padaatau sama dengan bilangan yang lain.

2) Selisih antara bilangan-bilangan adalah berurutan. Selisih antara sepasang bilanganadalah beururtan selisih antara sepasang bilangan adalah lebih besar dari pada lebih kecildari pada, atau sama dengan selisih antara pasangan bilangan yang lain. 3) Deret bilangan mempunyai asal mula yang unik yang ditandai dengan bilangan nol. Kombinasi ciri-ciri urutan, jarak, dan asal mula menghasilkan pengelompokan skala ukuran yang umum dipakai. Ada empat macam skala pengukuran yaitu: 1. SKALA NOMINAL (SKALA LABEL) Skala ini menempatkan angka sebagai atribut objek. Tidak memiliki efek evaluatif karena hanya menempatkan angka ke dalam kategori tanpa struktur, tidak memiliki peringkat dan tidak ada jarak. Contoh Data Variabel : Ya = 1 dan Tidak = 0 Pria = 1 dan Wanita = 0 Hitam = 1, Abu-abu = 2, Putih = 2 Analisis Statistik : Angka tidak bermakna matematika. Analisis statistik yang dapat digunakan berada dalam kelompok non-parametrik yaitu frekuensi dan tabulasi silang dengan Chi-square.

2. SKALA ORDINAL (SKALA PERINGKAT) Skala ordinal memiliki peringkat, tapi tidak ada jarak posisional objektif antar angka karena angka yang tercipta bersifat relatif subjektif. Skala ini menjadi dasar dalam Skala Likert. Contoh Data Variabel : Sangat Tidak Setuju = 1 Tidak Setuju = 2 Tidak Tahu = 3 Setuju = 4 Sangat Setuju = 5 Pendek = 1 Sedang = 2 Tinggi = 3

Tidak enak = 1 Ragu-ragu = 2 Enak = 3

Analisis Statistik : Angka 1 lebih rendah dari angka 2 dalam peringkat, tapi tidak bisa dilakukan operasi matematika. Data ordinal menggunakan statistik non-parametrik mencakup frekuensi, median dan modus, Spearman rank-order correlation dan analisis varian.

3. SKALA INTERVAL (SKALA JARAK) Skala interval adalah skala ordinal yang memiliki poin jarak objektif dalam keteraturan kategori peringkat, tapi jarak yang tercipta sama antar masing-masing angka. Contoh Data Variabel : Umur 20-30 tahun = 1 Umur 31-40 tahun = 2 Umur 41-50 tahun = 3 Suhu 0-50 Celsius = 1 Suhu 51-100 Celsius = 2 Suhu 101-150 Celsius = 3 Analisis Statistik : Angka 3 berarti lebih tua atau lebih panas dari angka 2 setara dengan angka 2 terhadap angka 1, bisa operasi penjumlahan dan pengurangan. Statistik parametrik yaitu deviasi mean dan standar, korelasi r, regresi, analisis varian dan analisis faktor ditambah berbagai multivariat.

4. SKALA RASIO (SKALA MUTLAK) Skala rasio adalah skala interval yang memiliki nol mutlak. Contoh Data Variabel : 0 tahun, 1 tahun, 2 tahun, 3 tahun, ..... dst. ..... -3C, -2C, -1C, 0C, 1C, 2C, 3C, ..... dst. ..... 0,71m ..... 5,38m ..... 12,42m ..... dst. Analisis Statistik : Berlaku semua operasi matematika. Analisis statistik sama dengan skala interval.

DAFTAR PUSTAKA

https://tu.laporanpenelitian.com/2014/11/24.html http://www.konsultanstatistik.com/2009/03/skala-pengukuran-statistik.html https://www.coursehero.com/file/12694687/Pertemuan-8/ https://anitaharum.wordpress.com/2013/09/10/skala-pengukuran/ https://www.pdfcoke.com/doc/112784294/INSTRUMEN-DAN-PENGUKURAN http://eijuntwenty.blogspot.com/2014/04/data-merupakan-dasar-yang-pentingdalam.html http://eijuntwenty.blogspot.com/2014/04/pembagian-data.html